标签：这不 int gray nump 行合并 导包 通道 灰度 span
导包：
import numpy as np import cv2 import matplotlib.pyplot as plt def show(image): plt.imshow(image) plt.axis(‘off‘) plt.show() def imread(image): image=cv2.imread(image) image=cv2.cvtColor(image,cv2.COLOR_BGR2RGB) return image
RGB当中每一个颜色都有256阶亮度，每一阶都对应着一个亮度：
image=imread("123.jpg") (R,G,B)=cv2.split(image)#这里将通道进行拆分 print(image.shape) print(image.shape[:2]) zeros=np.zeros(image.shape[:2],dtype=‘uint8‘)#这里只取了图像三要素当中的前面部分，毕竟通道拆分之后其颜色空间就仅有一个了 show(cv2.merge([R,zeros,zeros])) show(cv2.merge([zeros,G,zeros])) show(cv2.merge([zeros,zeros,B]))#merge是将通道进行合并
颜色空间的HSV模型。 H代表的是颜色的色调，一共从0—360度。每一度代表这不同的颜色模型 S：代表饱和度，饱和度的取值范围是%0—100,如果饱和度越大，则白色的占有率越小，颜色则越饱满，饱和度越小则白色越明显。 V:代表明度，取值是%0——100，0表示的最黑，100表示的是最亮
#由于我们在opencv当中的颜色最开始都是采用的是BGR的模式，然后我们之前编写的函数将BGR转换成了RGB的模式，但是在这里我们需要重新将RGB的格式 #更改为HSV的格式才对 image=imread("123.jpg") hsv=cv2.cvtColor(image,cv2.COLOR_RGB2HSV) print(image.shape) print(image.shape[:2]) zeros=np.zeros(image.shape[:2],dtype=‘uint8‘)#这里只取了图像三要素当中的前面部分，毕竟通道拆分之后其颜色空间就仅有一个了 for (name,chan) in zip((‘H‘,‘S‘,‘V‘),cv2.split(hsv)): cv2.imshow(name,chan) cv2.waitKey(0) cv2.destroyAllWindows()
下面展示灰度图的显示，这个在我们图像处理当中的是最为常用的：
image=cv2.imread("123.jpg")#这里用自带的方法读取图片就不会出现图片显示不正确的结果了 gray=cv2.cvtColor(image,cv2.COLOR_BGR2GRAY) cv2.imshow(‘original‘,image) cv2.imshow(‘gray‘,gray) cv2.waitKey(0) cv2.destroyAllWindows()
标签：这不 int gray nump 行合并 导包 通道 灰度 span
原文地址：https://www.cnblogs.com/geeksongs/p/11132011.html
